Pembuatan Perangkat Lunak Untuk Menampilkan Deskripsi Mengenai Batik dan Pola Citra Batik Berdasarkan Segmentasi Objek
Maulana Sutrisna,
[email protected]
Jurusan Teknik Informatika , Fakultas Teknologi Industri , Universitas Gunadarma, Margonda Raya 100 Depok 16424 telp (021) 78881112, 7863788
ABSTRAKSI
Kain batik merupakan ciri khas dari bangsa Indonesia yang merupakan warisan asli budaya Indonesia yang tidak dimiliki oleh bangsa lain. Dengan beragamnya jenis corak batik yang ada di Indonesia , tentunya akan sulit untuk mengenali semua corak batik tersebut, terlebih sejarah batik tersebut yang sangat beragam. Tidak hanya itu saja karena semakin banyak motif kain batik memicu sebagian pihak untuk mendokumentasikannya dan mengklaim motif batik tersebut merupakan dari daerah asalnya. Citra batik yang disegmentasikan berasal dari daerah Yogyakarta, Solo, Pekalongan, dan Surakarta. Proses yang dilakukan pertama yaitu input sebuah citra batik kemudian dari tahap tersebut gambar yang telah dimasukan sebelumnya diperbaiki sehingga menghasilkan sebuah derajat keabuan setelah itu pengubahan warna batik dari berwarna menjadi warna grayscale yang akan digunakan dalam tahap selanjutnya. Lalu disegmentasikan menggunakan metode morphological processing yaitu dilation dan erotion sehingga menghasilkan pola tekstur batik yang kita inginkan, setelah kita mendapatkan pola citra batik tersebut baru kita masukan deskripsi batik kedalam basis data yang telah disediakan lalu ditampilkan pada aplikasi. Kata Kunci : Perangkat Lunak, Citra, Pola Batik, Deskripsi Batik, Perbaikan Kualitas Citra, Segmentasi Objek.
PENDAHULUAN Batik secara historis berasal dari zaman nenek moyang yang dikenal sejak abad XVII yang ditulis dan dilukis pada daun lontar. Saat itu motif atau pola batik masih didominasi dengan bentuk binatang dan tanaman. Namun dalam sejarah perkembangannya batik mengalami perkembangan, yaitu dari corak-corak lukisan binatang dan tanaman lambat laun beralih pada motif abstrak yang menyerupai awan, relief candi, wayang beber dan sebagainya. Selanjutnya melalui penggabungan
corak lukisan dengan seni dekorasi pakaian, muncul seni batik tulis seperti yang kita kenal sekarang ini. Kain batik merupakan ciri khas dari bangsa Indonesia yang merupakan warisan asli budaya Indonesia yang tidak dimiliki oleh bangsa lain. Dengan beragamnya jenis corak batik yang ada di Indonesia , tentunya akan sulit untuk mengenali semua corak batik tersebut, terlebih sejarah batik tersebut yang sangat beragam. Tidak hanya itu saja karena semakin banyak motif kain batik memicu sebagian pihak untuk mendokumentasikannya dan mengklaim motif batik tersebut dari daerah asalnya. Sebelumnya penelitian ini telah dilakukan oleh saudara Imanuddin (2010). Kekurangan penelitian sebelumnya, field dari deskripsi batik tersebut hanya nama batik, daerah, nama pola dan data tersebut tidak ditampilkan pada aplikasinya. Untuk itu pada penelitian ini penulis membuat aplikasi yang dapat menampilkan isi dari deskripsi batik , yaitu motif atau nama batik, nama daaerah, jenis batik, teknik pembuatan batik, bahan pembentuk batik, warna, fungsi batik, dan sejarah suatu batik dari setiap daerah, sehingga dapat memberikan informasi yang jelas tentang ciri-ciri kain batik tersebut. METODE PENELITIAN Penelitian ini disusun dengan tahapan pertama pengumpulan data-data yang diperlukan kemudian dilanjutkan dengan perancangan program sampai tahapan akhirnya adalah segmentasi pola kain batik beserta deskripsi batik tersebut. Data dari penelitian ini diambil langsung dari koleksi Museum Tekstil Jakarta berupa masing-masing corak batik daerah Solo, Yogyakarta, Surakarta dan Pekalongan. Selain dari itu data diambil dari buku-buku tentang pengolahan citra. Proses yang dilakukan pertama yaitu input sebuah gambar kain batik kemudian dari tahap tersebut gambar yang telah dimasukan sebelumnya diperbaiki sehingga menghasilkan sebuah derajat keabuan setelah itu pengubahan warna batik dari berwarna menjadi warna grayscale yang nanti nya akan kita gunakan dalam tahap selanjutnya. Lalu disegmentasikan menggunakan metode morphological processing yaitu dilation dan erotion sehingga menghasilkan pola tekstur batik yang kita inginkan, setelah kita mendapatkan pola citra batik tersebut baru kita masukan deskripsi batik kedalam basis data yang telah disediakan lalu ditampilkan pada aplikasi. TINJAUAN PUSTAKA Pengolahan Citra Pengolahan citra adalah suatu metode yang digunakan untuk memproses atau memanipulasi gambar dalam bentuk 2 dimensi (Gonzalez, 2002). Pengolahan citra dapat juga dikatakan segala operasi untuk memperbaiki, menganalisa, atau mengubah suatu gambar. Pada umumnya, objektifitas
dari pengolahan citra adalah mentransformasikan atau menganalisis suatu gambar sehingga informasi baru tentang gambar dibuat lebih jelas. Umumnya, operasi-operasi pengolahan citra diterapkan pada citra bila :
Perbaikan atau modifikasi citra untuk meningkatkan kualitas visual atau menonjolkan beberapa aspek informasi yang terkandung dalam citra.
Elemen di dalam citra perlu di kelompokkan,dicocokkan atau diukur.
Sebagian citra perlu di gabung dengan bagian citra yang lain.
Grayscaling Grayscaling adalah proses perubahan nilai piksel dari warna (RGB) menjadi gray-level (Gonzalez, 2002). Pada dasarnya proses ini dilakukan dengan meratakan nilai piksel dari 3 nilai RGB menjadi 1 nilai. Untuk memperoleh hasil yang lebih baik, nilai piksel tidak langsung dibagi menjadi 3 melainkan terdapat persentasi dari masing-masing nilai. Salah satu persentasi yang sering digunakan adalah 29,9% dari warna merah (Red), 58,7% dari warna hijau (Green), dan 11,4% dari warna biru (Blue). Nilai piksel didapat dari jumlah persentasi 3 nilai tersebut. Proses grayscaling memerlukan alokasi memori yang lebih besar karena tiap titik atau piksel di-representasikan oleh 4 hingga 8 bit pada resolusi 300 dpi, sehingga dibutuhkan lebih dari 8Mb memori untuk merepresent sebuah 8.5 dari 11 inch halaman menggunakan 256 tingkat keabuan.
Segmentasi Citra Segmentasi objek dilakukan untuk menganalisis objek di dalam citra biner yang bertujuan mengelompokan piksel-piksel objek menjadi wilayah (region) yang mempresentasikan objek. Tujuan akhir dari segmentasi adalah menyederhanakan dan atau merubah representasi suatu citra ke dalam gambaran yang lebih mempunyai arti dan lebih mudah untuk di analisa. Segmentasi citra secara khusus digunakan untuk melokalisasi objek atau batas (bisa berupa garis, kurva, dll) Terdapat tiga pendekatan utama dalam segmentasi citra yaitu: 1. Classification-based: segmentasi berdasarkan kesamaan suatu ukuran dari nilai piksel. Salah satu cara paling mudah adalah thresholding. 2. Segmentasi yang didasarkan pada wilayah (region-based) bekerjanya berdasarkan keseragaman yang ada pada sub-wilayah tersebut. Dalam computer vision, segmentasi mengacu pada proses pembagian citra digital ke dalam multiple region (himpunan piksel). 3. Didasarkan pada tepi (edge-based). Segmentasi didasarkan pada tepi membagi citra berdasarkan diskontinuitas di antara sub-wilayah (sub-region).
Deteksi Tepi Untuk menentukan lokasi titik-titik yang merupakan tepi obyek citra sangat beragam, contohnya algoritma canny.
Proses deteksi tepi canny dilakukan dengan proses konvolusi
menggunakan kernel atau filter Laplacian of Gaussian berukuran 5x5. Algoritma Canny yaitu penyesuaian untuk berbagai lingkungan. Parameter memungkinkan untuk disesuaikan dengan pengakuan dari ujung yang berbeda tergantung pada karakteristik persyaratan tertentu dari implementasi yang diberikan. Proses Morphological Kata morphology disini dihubungkan dengan konteks mathematical morphology yang berarti proses yang menggunakan matematika sebagai tool untuk mengambil komponen gambar yang berguna untuk menampilkan ulang dan deskripsi dari region shape (seperti boundaries, skeletons dan convex hull). Juga dapat digunakan sebagai preprocessing ataupun post processing seperti filtering, thinning. PEMBAHASAN Alur Tahap Penelitian Secara garis besar Gambar dibawah ini menunjukkan alur tahapan pada penelitian ini.
Gambar Alur Tahap Penelitian
Data berupa citra dijadikan input, lalu dilakukan tahap perbaikan citra yang terdiri beberapa proses. Selanjutnya tahap segmentasi citra, dilanjutkan dengan memasukkan deskripsi batik dan disimpan dalam basis data. Tahap Perbaikan Kualitas Citra Proses yang dilakukan pada tahap perbaikan kualitas citra pada penelitian ini menggunakan proses histogram equalization dan grayscaling. Tahap perbaikan kualitas citra digambarkan dalam bentuk diagram alur seperti pada Gambar dibawah ini.
Gambar Alur Tahapan Perbaikan Kualitas Citra Proses Histogram Equalization Perbaikan citra dilakukan sebelum citra dilakukan grayscaling, pada saat proses perbaikan pada citra dilakukan perataan histogram equalization yang berfungsi untuk pendistribusian nilai derajat keabuan pada suatu citra dibuat rata. Untuk dapat melakukan histogram equalization ini diperlukan suatu fungsi distribusi kumulatif yang merupakan kumulatif dari histogram. Rumusan nilai hasil histogram equalization dapat dilihat pada Gambar dibawah ini.
Gambar Perataan Histogram (Gonzalez & Woods, 2002) Proses Grayscaling Proses grayscaling adalah proses untuk mengubah gambar yang memiliki warna menjadi gambar yang memiliki tingkat warna abu-abu (gray-level). Pada Gambar dibawah ini dijelaskan bagaimana cara kerja proses ini dalam bentuk diagram alur.
Gambar Diagram Alur Proses Grayscaling
Gambar yang akan di-grayscaling nilai tiap titik akan disamakan nilai Red, Green, dan Bluenya sehingga untuk tiap titik hanya memiliki 1 nilai saja yang disebut nilai gray-level-nya. Pada Gambar 3.3 proses grayscaling yang digunakan mengambil persentasi tertentu dari masing-masing warna kemudian dijumlahkan untuk mendapatkan nilai yang baru. Cara lainnya yaitu langsung membagi sama rata ketiga nilai warna tersebut untuk mendapatkan nilai yang baru (dicari rata-rata dari ketiga nilai warna Red, Green, dan Blue).
Gambar Hasil Perbaikan dan Grayscaling Proses Segmentasi Citra
Pada gambar diatas, bagian ini citra didapat dari perbaikan citra yang sudah di grayscalling, akan diolah kembali untuk mendapatkan citra yang diinginkan. Proses segmentasi citra terdiri dari beberapa sub proses diantaranya:, thresholding, deteksi tepi, morphology dengan erosion, dan yang
terakhir dilation seperti yang digambarkan pada diagram alur pada gambar dibawah. Pada proses citra ini akan dihasilkan sebuah citra yang berbentuk pola gambar yang diinginkan. Proses Thresholding Proses thresholding adalah proses untuk mengubah gambar yang memiliki tingkat warna abuabu menjadi gambar biner berdasarkan suatu nilai tertentu yang menjadi tolak ukurnya. Nilai batas bawah dan batas atas sudah di tentukan yaitu 2.5f, 7,5f hal ini dimaksudkan agar pengguna aplikasi nanti nya tidak perlu lagi mengatur batas dari thresholding suatu gambar sehingga nanti nya akan seragam. Proses Deteksi Tepi Pada proses ini menggunakan pendekatan deteksi tepi canny. Proses deteksi tepi canny dilakukan dengan proses konvolusi menggunakan kernel atau filter Laplacian of Gaussian berukuran 5x5. Kelas ConvolveOp menyediakan fungsi operasi konvolusi dimana penggunaannya yaitu dengan memasukkan matrik filter dalam sebuah variable array kernel. Pada prosesnya nanti method deteksiTepi ini cukup dilakukan pemanggilan fungsi dan mendefinisikan variable BufferedImage yang akan dilakukan deteksi tepi.
Gambar Hasil Deteksi Tepi Canny Proses Morphological Proses dilation dan erosion adalah proses morphological yang digunakan untuk menghaluskan gambar sehingga lebih mudah untuk disegmentasi. Gambar dibawah ini menjelaskan bagaimana cara kerja algoritma dari dilation .
Gambar Diagram Alur proses Dilation Proses dilation dimulai dengan mengecek nilai 4-ketetanggan tiap piksel citra apakah ada nilai piksel tetangga tersebut 0 (hitam). Jika ada salah satu atau semua nilai piksel tetangga tersebut bernilai 0, maka piksel asal diberi nilai 255 (putih). Gambar selanjutnya menjelaskan bagaimana cara kerja algoritma dari erosion.
Gambar Diagram Alur proses Erosion Proses erosion dimulai dengan mengecek nilai 4-ketetanggan tiap piksel citra apakah ada nilai piksel tetangga tersebut 0 (hitam). Jika ada salah satu atau semua nilai piksel tetangga tersebut bernilai 0, maka piksel asal diberi nilai 0 (hitam) juga. Berikut hasil dari proses dilation yang dilanjutkan dengan proses erosion.
Gambar Hasil Dilation dan Erosion
Tahap Deskripsi Masukan dan Penyimpanan ke Basis Data Tahap penyimpanan ke basis data dilakukan penyimpanan hasil gambar dengan perbaikan kualitas citra, hasil segmentasi citra batik, dan masukan deskripsi batik tersebut. Setelah penyimpanan deskripsi data tersebut maka hasil gambar segmentasi dan deskripsi batik tersebut dapat ditampilkan. Berikut rancangan basis data pada penelitian ini dapat dilihat pada Tabel dibawah ini. Nama field
Tipe data
No
Int(100)
Nama
Varchar(1000)
Daerah
Varchar(100)
Jenis
Varchar(100)
Teknik
Varchar(100)
Bahan
Varchar(150)
Warna
Varchar(500)
Fungsi
Varchar(1000)
Sejarah
Varchar(2000)
Path
Varchar(200) Tabel Perancangan Basis Data
Kesimpulan Proses segmentasi citra batik dengan menampilkan deskripsi batik dari daerah Solo, Pekalongan, Jogyakarta, dan Surakarta telah dapat didokumentasikan dengan baik. Motif batik yang dapat disegmentasikan sebanyak 125 citra batik dari 147 citra batik, citra batik tersebut menampilkan dekskripsi seperti nama corak batik, nama daerah, jenis batik, teknik pembuatan batik, bahan pembentuk batik, warna, fungsi batik, dan sejarah. Masalah yang ditemukan pada penelitian ini yaitu kurang lengkapnya deskripsi batik yang didapat seperti sejarah dan nama corak dari kain batik yang ada, menyebabkan beberapa deskripsi dari kain batik informasinya kurang jelas dan sejumlah citra tidak bisa disegmentasikan dikarenakan gambar kurang jelas atau banyak noise. Dari hasil ini semoga hak kekayaan intelektual kebudayaan Indonesia bisa dilindungi dengan selalu mendokumentasikan hasil karya yang sudah ada dalam basis data yang dikhususkan untuk menyimpan file-file tersebut. Sehingga dapat mencegah orang yang tidak bertanggung jawab mengklaim motif batik yang ada. Saran Terdapat beberapa metode dalam proses segmentasi yang dirasakan perlu diperbaiki atau ditambahkan, misalnya noise removal sehingga diharapkan hasil pola kain batik yang diperoleh lebih baik lagi dari sebelumnya. Penulis menyarankan agar meningkatkan jumlah citra batik yang diteliti
dengan beragam. Pengambilan data dengan memotret langsung citra batik akan memudahkan dalam proses segmentasi citra. DAFTAR PUSTAKA Ahmad, Usman. 2005. ”Pengolahan Citra Digital dan Teknik Pemrogramannya”, Ed.1, Graha Ilmu, Yogyakarta.
Anonim. 2010. Sejarah Batik Indonesia, http://batikmarkets.com/batik.php diakses pada 28 Juli. Gonzalez, R.C. & Woods, R.E.. 2002. “Digital Image Processing Second Edition” , Prentice Hall, New Jersey. Hariyanto, Bambang. 2005 . “Esensi-Esensi Bahasa Pemograman Java”, Informatika, Bandung.
Imanuddin, 2010.
“Pengindentifikasian Batik Berdasarkan Pola Batik dan Ciri-ciri Batik
Menggunakan Ekstraksi Fitur Tekstur Kain”, Universitas Gunadarma, Depok. Mulyanto, E., Nurhayati, Oky D., Sutoyo, T., Suhartono, V. & Wijanarto. 2009. ”Teori Pengolahan Citra Digital”. Andi. Yogyakarta. Purnomo, Mauridhi Hery & Muntasa, Arif. 2010. “Konsep Pengolahan Citra Digital dan Ekstraksi Fitur”, Graha Ilmu, Surabaya. Putra, Darma. 2010.”Pengolahan Citra Digital”, Andi, Yogyakarta.
